L1趋势滤波（可用于时间序列数据分析，找去隐藏的趋势）

最小绝对收缩和选择算子回归由Tibshirani于1996年提出，是一种线性模型的压缩估计方法，有时也叫作线性回归的L1正则化。KIM等借鉴趋势滤波的思想，对内在趋势的二次差分项进行L1范数处理，提出了L1趋势滤波。类似于LASSO回归原理，L1范数使得很多二次差分项缩减到0，由此得到的趋势项是分段线性的，即有折点的趋势。因此，L1趋势滤波非常适用于分段线性时间序列的趋势分析，用以估计曲线趋势、拐点或斜率的变化。